项目名称：智能超表面和6G无线人工智能.doc

附件2：具体项目简介

项目一

项目名称：翻译检测

项目概述

近几年来，机器翻译工具的质量大幅提升，应用广泛，但这也导致翻译剽窃现象日趋严重，即译者声称翻译作品为其原创作品。而翻译文本通常会保留原文本的某些特征，例如词汇选择、语法结构等，这为检测原语言提供了一定线索。本项目旨在建立数据集，研究可用于检测翻译原语言的手段。

研究方法

从庞大的多语言数据集（如维基百科）开始，你将使用常用翻译工具（如MicrosoftAzure）将文件翻译成单一目标语言（如中文或英文）。每份译后文件需自动标明原语言出处。你将在指导下探究一系列机器学习方法（如逻辑回归或神经网络），探索分类器从目标语言文本中检测出原语言的可能性。如有时间，你可以探索多种目标语言的检测方法。通过研究，你将对检测结果是否因语言而异进行分析报告。

能力/经验要求

要求：Python编程

优先：对自然语言处理、机器学习、人工神经网络感兴趣（最好有一定经验）

关键读物

NamrataNanda(2021)“TheGrowingThreatofCross-languagePlagiarismandtheChallengesinitsDetection”April2021;/cross-language-plagiarism-and-challenges/

DianeNankova(2020)“OnTranslatedPlagiarisminAcademicDiscourse”inEnglishStudiesatNBU,December2020;/publication/347806814_On_Translated_Plagiarism_in_Academic_Discourse

CyrilGoutteetal.(2009)“AutomaticDetectionofTranslatedTextanditsImpactonMachineTranslation;inProceedingsofMT-SummitXII;/publicationAutomatic_Detection_of_Translated_Text_and_its_Impact_on_Machine_Translation

LynchandVogel(2012)“TowardstheAutomaticDetectionoftheSourceLanguageofaLiteraryTranslation”;inCOLING2012;/C12-2076.pdf

学习目标

掌握研究过程，包括设计研究问题、文献综述、实验和分析

掌握训练和利用监督机器学习方法的最佳实践，解决文本分类问题

了解文本分类领域现有的自然语言处理方法

了解现有的机器翻译方法

熟悉常用的机器翻译工具

熟悉自然语言处理和机器学习中Python库的使用

熟悉软件工程实践在学术领域中的运用

项目负责人：JulieWeeds

部门：工程与信息学院

项目二

项目名称：可再生能源氢动力系统

项目概述

氢是地球上最丰富的元素，可以通过热、电解或光解过程从许多不同的原料中产生氢。人们认为，氢对于实现净零排放目标至关重要，并有助于实现气候变化目标。该项目将评估以可再生电力为动力并利用氢气作为储能的能源系统的性能。这种能源系统可以部署在偏远社区或应急服务中，如应用到战地医院，其无需任何电网支持也能做到自给自足。但当连接到电网时，该系统能够增加可再生能源发电的占有率，同时保持国家电网的稳定性和安全性。该项目将探索利用氢气来发电和供热以满足需求，以及作为汽车燃料等有更为广泛应用的可能性。

方法

确定能源系统的需求概况和可再生能源的潜力。

设计并建造储氢系统，该系统将由可再生能源供电并满足需求。

开展案例研究以评估能源系统的性能，并提出进一步改进的方向。

技能/经验要求

熟悉Excel并了解其数学函数的应用。

有MATLAB/Simulink软件方面的知识和经验优先考虑，但非必需。

关键读物

Egeland-Eriksen,T.,Hajizadeh,A.andSartori,S.,2021.Hydrogen-basedsystemsforintegrationofrenewableenergyinpowersystems:Achievementsandperspectives.internationaljournalofhydrogenenergy,46(63),pp.31963-31983.

学习成果

了解氢气技术的现状和未来

能够构建包括制氢、储存和利用